September 4, 2025
Al parecer la única forma de hacer noticia con la Inteligencia Artificial es con titulares extremos. Por ejemplo, el último: “Fracasa el 95% de los proyectos piloto de IA generativa en empresas”.
Con un titular así, publicado por Fortune, la conclusión parece obvia. La IA, en las empresas, casi nunca funciona. Pero los titulares, como suele ocurrir, rara vez cuentan toda la historia. La pregunta es qué significa exactamente ese 95%, y sobre qué base se calcula.
El verdadero embudo detrás del 95%
El estudio The GenAI Divide: State of AI in Business 2025, publicado por el MIT, sí menciona un “95% failure rate for enterprise AI solutions” y que “about 5% of AI pilot programs achieve rapid revenue acceleration”. Sin embargo, lo que el informe presenta es en realidad un pipeline que explica cómo se llega a ese número.
De cada 100 organizaciones analizadas, solo 60 se animaron a evaluar herramientas de IA generativa empresarial. De esas, apenas 20 lanzaron un piloto formal, y únicamente 5 cruzaron el umbral que el MIT considera éxito real, es decir llegar a producción con impacto medible y sostenido en productividad o resultados financieros, medido además con un ROI a seis meses.
Este embudo aparece detallado en la sección 3.2 del informe (The Pilot-to-Production Chasm), donde se describe que el 60% evaluó, el 20% piloteó y el 5% alcanzó el nivel de ‘successfully implemented’. Si se lee así, el 5% deja de ser un número abstracto y se convierte en el resultado de un embudo. El análisis de Forbes, entonces, omite matices clave y termina transmitiendo una sensación de fracaso generalizado que no resiste un análisis detallado. Y lo interesante es que dentro de ese embudo, de los que hicieron piloto, 5 de 20, es decir, el 25%, sí alcanzaron la meta de éxito. No es lo mismo decir que el 95% de los pilotos fracasa, como afirma el titular, que reconocer que un cuarto de los pilotos logran implementarse con impacto.
¿Qué significa realmente “éxito” para el MIT?
El estudio, además, fija una vara alta. Para contar como éxito se exige no solo estar en producción, sino también mostrar un impacto claro y sostenido en productividad o resultados financieros en un plazo de seis meses. No hay espacio para los matices. Un proyecto que genera cierto valor pero no llega a ese umbral queda igualmente catalogado como parte del 95% de fracasos. En otras palabras, no sabemos si muchos quedaron a poco de la meta o si realmente no tuvieron impacto. Esa información sería muy valiosa para interpretar los datos.
Comparando la IA generativa con otros procesos de innovación
El siguiente paso lógico es contrastar con la innovación en general. Y aquí la comparación es reveladora. En metodologías ampliamente usadas como Stage-Gate, se ha documentado que solo uno de cada cuatro proyectos de desarrollo logra éxito comercial (25%) y que un tercio de los lanzamientos fracasa (Cooper & Edgett, Stage-Gate International). Por su parte, la PDMA, en su estudio CPAS, encontró que la tasa promedio de éxito es del 61%, con una media de 8,7 ideas necesarias por cada éxito (11.5%). Y consultoras como McKinsey han reportado que más de la mitad de los lanzamientos de productos no alcanzan sus metas de negocio, con ratios de fracaso superiores al 40%.
Un dato interesante del informe. En la banca, varios pilotos de IA generativa no pasaron el filtro del MIT por no mostrar impacto financiero a los seis meses, aunque sí lograron eficiencias internas y aprendizajes valiosos para iteraciones posteriores.
En ese contexto, la tasa de éxito de la IA generativa no aparece como una anomalía negativa. Al contrario, los números son consistentes con lo que suele ocurrir en procesos de innovación exigentes, donde hay descartes naturales y donde el aprendizaje también forma parte del proceso.
¿Qué nos enseña este caso sobre titulares y contexto?
El 95% no es un invento, pero el titular de Forbes lo presenta de manera que induce a error. No se trata de que el 95% de los pilotos fracase, sino de que solo el 5% de las organizaciones atraviesan todas las etapas del embudo hasta cumplir con una definición estricta de éxito. Cuando se mira con más detalle, de los pilotos ejecutados un 25% sí logra implementarse con impacto, lo que está en línea con las tasas históricas de innovación.
La lección es clara. Mientras más extremo el titular, más importante es revisar la fuente. Solo leyendo los números en su contexto es posible sacar conclusiones fundadas.
¿Cuál ha sido tu experiencia real con pilotos de IA o proyectos innovadores en tu empresa?
Si quieres revisar la fuente por ti mismo, aquí está el enlace al informe completo: link
Frente a lo extremo .. nada mejor que leer la letra chica